MétaCan
Menu
Retour à la cohorte
Enregistrement W4312419286 · doi:10.55606/iceb.v1i2.185

ARDL PANEL MODEL OF INTERNATIONAL FINANCIAL SYSTEM AND MONETARY POLICY OF ASIA PASIIFIC ECONOMIC COOPERATION

2022· article· en· W4312419286 sur OpenAlexaboutno aff
Rusiadi Rusiadi, Ade Novalina, Bhaktiar Effendi, Anita N Hutasoit

Notice bibliographique

RevueProceeding of The International Conference on Economics and Business · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDistributed lagEconomicsChinaInflation (cosmology)Money supplyPanel dataMonetary policyMacroeconomicsGeographyEconometrics

Résumé

récupéré en direct d'OpenAlex

The financial system plays an important role in the economy. An unstable financial system will be vulnerable to various problems that disrupt the rotation of a country's economy and be vulnerable to economic problems such as the global crisis in various countries. The problem that occurs is the occurrence of Covid-19 causing various fluctuations in the level of inflation, money supply, imports, the occurrence of unstable inflation from January 2019 to August 2021, low inflation resulting in a decrease in imports and an increase in the money supply in Mexico. , Vietnam, Philippines, Hongkong, Indonesia, Canada, Malaysia, Singapore, Peru, and China. The analytical method in this study uses the ARDL Panel (Autoregression Distributed Lag) approach. The ARDL Panel Model determines which country models from APEC countries are able to control long-term financial system-based economic fundamentals in Mexico, Vietnam, the Philippines, Hong Kong, Indonesia, Canada, Malaysia, Singapore, Peru, and China and the Different Test for modeling the impact of covid-19 19 on the economic fundamentals of the financial system. The results of the research found the ARDL Panel prediction model in modeling the impact of Covid-19 on economic fundamentals in the financial system. The main Leading Indicator of variable effectiveness in controlling Inflation In TAPEC is JUB where Vietnam, the Philippines, Hong Kong, Japan, Malaysia, Singapore, Peru and China have a significant influence in controlling Inflation. Then overall in the long term (Long Run) it turns out that only the JUB and CDV variables have an effect on INF In TAPEC, while in the short term (Short Run) it is JUB that influences Inflation In TAPEC.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,218
Écart entre enseignants0,161 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceeding of The International Conference on Economics and BusinessMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207